DOI QR코드

DOI QR Code

이동식 BCI 시스템을 위한 싱글보드 시스템의 성능측정

Performance Measurement of Single-board System for Mobile BCI System

  • 이효종 (전북대학교 컴퓨터공학부, 영상정보신기술 연구센터) ;
  • 김현규 (전북대학교 컴퓨터공학부) ;
  • 고용빈 (전북대학교 컴퓨터공학부)
  • Lee, Hyo Jong (Div. of Computer Science and Engineering, CAIIT, Chonbuk National University) ;
  • Kim, Hyun Kyu (Div. of Computer Science and Engineering, Chonbuk National University) ;
  • Gao, Yongbin (Div. of Computer Science and Engineering, Chonbuk National University)
  • 투고 : 2015.01.18
  • 심사 : 2015.03.03
  • 발행 : 2015.03.25

초록

뇌파 측정기는 의료용으로 주로 사용되는 유선 장비와 간편하게 사용되는 무선장비로 나뉜다. 이렇게 수집된 뇌파 신호는 신호 처리 시스템에서 목적에 맞게 특징 분석을 하게 된다. 무선 측정기의 경우 사용에 편리성을 제공하지만 실시간 신호 처리를 위한 계산력이 충분한 모바일 시스템이 필요하다. 본 논문에서는 싱글보드 시스템에서 BCI 시스템의 응용을 위한 뇌파신호 처리를 시도하였다. 불행하게도 싱글보드 시스템은 기존 신호 처리 시스템과는 달리 연산 성능이 제한이 되는데 여러 대의 싱글보드 시스템을 이용하여 병렬처리 함으로써 연산 성능의 향상을 시도하였다. 그 결과 뇌파 신호 처리 알고리즘의 연산성능이 초선형으로 증가하는 결과를 얻을 수 있었다.

The EEG system can be classified as a wired or wireless device. Each device used for the medical or entertainment purposes. The collected EEG signals from sensor are analyzed using feature extractions. A wireless EEG system provides good portability and convenience, however, it requires a mobile system that has heavy computing power. In this paper a single board system is proposed to handle EEG signal processing for BCI applications. Unfortunately, the computing power of a single board system is limited unlike general desktop systems. Thus, parallel approach using multiple single board systems is investigated. The parallel EEG signal processing system that we built demonstrates superlinear speedup for an EEG signal processing algorithm.

키워드

참고문헌

  1. N. Jmail, M. Gavaret, F. Wendling, A. Kachouri, G. Hamadi, J.-M. Badier, et al., "A comparison of methods for separation of transient and oscillatory signals in EEG," Journal of neuroscience methods, vol. 199, pp. 273-289, 2011. https://doi.org/10.1016/j.jneumeth.2011.04.028
  2. A. Campbell, T. Choudhury, S. Hu, H. Lu, M. K. Mukerjee, M. Rabbi, et al., "NeuroPhone: brain-mobile phone interface using a wireless EEG headset," in Proceedings of the second ACM SIGCOMM workshop on Networking, systems, and applications on mobile handhelds, 2010, pp. 3-8.
  3. L.-D. Liao, C.-Y. Chen, I.-J. Wang, S.-F. Chen, S.-Y. Li, B.-W. Chen, et al., "Gaming control using a wearable and wireless EEG-based brain-computer interface device with novel dry foam-based sensors," Journal of neuroengineering and rehabilitation, vol. 9, p. 5, 2012. https://doi.org/10.1186/1743-0003-9-5
  4. H.K. Kim and H.J. Lee, "Performance of the Finite Difference Method Using Cache and Shared Memory for Massively Parallel Systems," Journal of the Institute of electronics Engineers of Korea, vol. 50, pp.108-116, 2013.
  5. J. Chambers and D. Sanei, EEG Signal Processing, 1th ed.: Wiley-Interscience, 2013.
  6. J. G. Proakis and D. K. Manolakis, Digital Signal Processing Principles, Algorithms, and Applications, 4th ed.
  7. Raspberry Pi. http://www.raspberrypi.org
  8. F. Tso, D. R. White, S. Jouet, J. Singer, and D. Pezaros, "The Glasgow Raspberry Pi Cloud: A Scale Model for Cloud Computing Infrastructures," in International Workshop on Resource Management of Cloud Computing (to appear, 2013), 2013.
  9. G. S. Sundaram, B. Patibandala, H. Santhanam, S. Gaddam, V. K. Alla, G. R. Prakash, et al., "Bluetooth communication using a touchscreen interface with the Raspberry Pi," in Southeastcon, 2013 Proceedings of IEEE, 2013, pp. 1-4.
  10. Gusev, Marjan, and Sasko Ristov. "A superlinear speedup region for matrix multiplication." Concurrency and Computation: Practice and Experience, 2013.
  11. L. Djinevski, S. Ristov, and M Gusev. "Superlinear Speedup for Matrix Multiplication in GPU Devices." ICT Innovations 2012. Springer Berlin Heidelberg, 2013. 285-294.
  12. EEGLAB. http://sccn.ucsd.edu/eeglab/